Dify

定义

Dify 是一个开源的大语言模型应用开发平台，由苏州语灵人工智能科技有限公司运营，其代码仓库归属 LangGenius^[1][2]。平台把后端即服务(Backend as Service，BaaS)与 LLMOps 两种思路合并在一起，使开发者可以在较少重复开发的前提下搭建面向生产的生成式 AI 应用^[3]。

它与单纯的开发库不同，提供的是包含界面、API 与运行环境的整套方案，用户可以基于任意模型自建类似 Assistants API 和 GPTs 的能力^[4][5]。

原理

平台的核心是可视化工作流引擎。用户在画布上放置并连接节点，节点覆盖模型调用、知识库检索、条件分支、代码执行、模板转换与迭代等类型，变量在节点之间传递，工作流可以保存版本并回滚^[6][7]。其中的对话流类型面向多轮交互并带有对话历史记忆，普通工作流类型则面向单轮生成与批处理任务^[8]。

检索增强生成部分以文档摄入为起点：文件被解析、切分后写入向量索引，查询时同时使用向量检索与全文检索，并可加入重排环节对结果排序，再把检索到的上下文交给模型生成答案^[9][10]。分块策略上，平台除通用分段模式外还提供父子分块，以便在检索时兼顾片段精确性与段落级上下文^[11]。

智能体由大模型的函数调用(Function Calling)能力或 ReAct 推理循环驱动，可挂载内置工具与自定义工具，平台提供的内置工具数量在 50 种以上^[9]。后端以 Python 编写，数据存储使用 PostgreSQL，缓存与异步任务队列依赖 Redis 与 Celery，前端采用 TypeScript 与 React，整体通过 Docker 容器化交付^[7][10]。

发展历程

运营主体苏州语灵人工智能科技有限公司成立于 2023 年 3 月 23 日，法定代表人为张路宇^[2]。据亚马逊云科技的介绍，项目于 2023 年 3 月立项，5 月初上线第一个正式版本，约一周后开源^[12]。另有报道给出的开源日期为 2023 年 5 月 15 日^[13]。早期版本以基于 RAG 的对话产品为主，2024 年推出了工作流功能^[5]。

开源后的 12 个月内，项目全球安装量超过 40 万，GitHub 星标数超过 3 万，这一时段较常被记作 2024 年^[12][14]。2024 年 8 月，浙江阿里巴巴云计算有限公司等主体新增为苏州语灵人工智能科技有限公司股东，注册资本由约 115.79 万元人民币增至约 143.63 万元人民币^[15]。2026 年 3 月，公司宣布完成 3000 万美元 Pre-A 轮融资，由红杉中国领投^[2]。版本 1.9.2 增加了对外部 MCP 服务器的连接，并支持把应用本身发布为 MCP 服务^[16]。

应用

按部署形态划分，Dify 提供云端服务、自托管的社区版以及面向企业的版本；社区版可通过 Docker Compose、Helm 或 Terraform 等方式安装，官方给出的最低要求为 2 核 CPU 与 4 GiB 内存^[9][17]。私有化部署的常见动因是让模型调用、密钥与对话记录留在自有服务器或内网环境中^[18]。

在具体场景中，平台常被用于企业内部知识库问答、客服机器人、工单分类与报告生成。公开分享的案例里，有企业在工作流中串联信息抽取、规则匹配与内部系统接口调用，完成工单的自动归类与派发^[18]；也有企业把它作为 LLM 能力的统一接入层，替代原先逐个应用自行封装模型的开发方式^[19]。由于所有功能都配套 API，平台上的应用也可嵌入到既有业务系统中调用^[9]。

局限

可视化编排在流程可预先确定时效率较高，但遇到复杂的条件逻辑、动态退出条件的循环或需要维护状态的情形时，画布会成为约束。社区中常见的变通做法是在流程中插入代码节点手写 Python，这在一定程度上抵消了低代码的初衷^[20]。与之相关的是排错体验：日志虽然存在，但在较长的工作流中定位某个节点输出的错误并不容易，一些团队会把输出转发到专门的可观测性工具中处理^[20]。

插件市场的覆盖面也受到讨论。围绕 SAP、Salesforce 或企业内部专有接口等系统的关键插件并不齐备，使用者常改为自行编写 HTTP 节点完成对接^[20]。此外，项目迭代频率高，小版本之间出现不兼容变更的情况并不罕见，自托管团队需要为此安排版本冻结与升级测试^[20]。

在性能层面，有技术文章指出该平台并不适合千级每秒查询的实时推理等高性能场景，建议把核心编排与自研高性能模块组合使用^[21]。集成化架构带来了部署简便，但独立替换或单独扩容某个核心组件较为困难^[10]；后端采用 Python 也使其在高并发任务上受解释器全局锁的限制^[10]。对非开发者而言，从打开界面到交付可用应用之间的落差比文档呈现的更大，通常仍需要工程师参与^[20]。

参见

• 检索增强生成 —— 平台内置的文档检索与生成流水线所依据的技术路线。

• 大语言模型 —— Dify 编排与调用的核心对象。

• 智能体 —— 平台通过函数调用与 ReAct 循环构建的自主执行单元。

• LLMOps —— 平台融合的运维理念，覆盖监控、日志与迭代改进。

• LangChain —— 与 Dify 常被并列比较的代码式 LLM 应用开发框架。